Stability AI เปิดตัว Stable Audio 2.0: มอบพลังให้ผู้สร้างด้วยเสียงที่สร้างโดย AI ขั้นสูง

Stability AI อีกครั้งหนึ่งได้ผลักดันขอบเขตของนวัตกรรมด้วยการเปิดตัว Stable Audio 2.0. โมเดลล้ำสมัยนี้ต่อยอดจากความสำเร็จของรุ่นก่อนหน้า โดยนำเสนอคุณลักษณะใหม่หลายอย่างที่สัญญาว่าจะปฏิวัติวิธีการที่ศิลปินและนักดนตรีสร้างและจัดการเนื้อหาเสียง

Stable Audio 2.0 ถือเป็นก้าวสำคัญในวิวัฒนาการของเสียงที่สร้างโดย AI โดยกำหนดมาตรฐานใหม่สำหรับคุณภาพ ความหลากหลาย และศักยภาพเชิงสร้างสรรค์ ด้วยความสามารถในการสร้างเพลงเต็มความยาว แปลงตัวอย่างเสียงด้วยคำสั่งภาษาธรรมชาติ และผลิตเอฟเฟกต์เสียงหลากหลาย โมเดลนี้เปิดโลกของโอกาสให้กับผู้สร้างเนื้อหาในหลากหลายอุตสาหกรรม

เมื่อความต้องการโซลูชันเสียงที่นวัตกรรมเพิ่มขึ้นอย่างต่อเนื่อง ผลิตภัณฑ์ใหม่ล่าสุดของ Stability AI เตรียมเป็นเครื่องมือที่ขาดไม่ได้สำหรับมืออาชีพที่ต้องการเสริมสร้างผลงานสร้างสรรค์และทำให้กระบวนการทำงานมีประสิทธิภาพมากขึ้น ด้วยการใช้พลังของเทคโนโลยี AI ขั้นสูง Stable Audio 2.0 มอบอำนาจให้ผู้ใช้สำรวจพื้นที่ที่ยังไม่เคยสำรวจในด้านการประพันธ์เพลง การออกแบบเสียง และการผลิตหลังเสียง

คุณลักษณะสำคัญของ Stable Audio 2.0 คืออะไร

Stable Audio 2.0 มีคุณลักษณะที่น่าประทับใจหลายประการที่อาจทำให้ภูมิทัศน์ของเสียงที่สร้างโดย AI เปลี่ยนแปลงไป ตั้งแต่การสร้างเพลงเต็มความยาว การแปลงเสียงเป็นเสียง การผลิตเอฟเฟกต์เสียงขั้นสูง ไปจนถึงการโอนสไตล์ โมเดลนี้มอบชุดเครื่องมือครบวงจรให้ผู้สร้างเพื่อทำให้วิสัยทัศน์ด้านเสียงของพวกเขาเป็นจริง

การสร้างเพลงเต็มความยาว

Stable Audio 2.0 แตกต่างจากโมเดลเสียงที่สร้างโดย AI อื่น ๆ ด้วยความสามารถในการสร้างเพลงเต็มความยาวสูงสุดถึงสามนาที ผลงานเหล่านี้ไม่ใช่เพียงส่วนสั้นที่ต่อเนื่อง แต่เป็นชิ้นงานที่มีโครงสร้างรวมถึงส่วนต่าง ๆ อย่างเช่น บทนำ การพัฒนา และบทสรุป คุณลักษณะนี้ทำให้ผู้ใช้สามารถสร้างผลงานดนตรีที่สมบูรณ์พร้อมเรื่องราวและการพัฒนาที่ต่อเนื่อง ส่งเสริมศักยภาพของการสร้างเพลงด้วย AI

นอกจากนี้ โมเดลยังรวมเอาเอฟเฟกต์เสียงสเตอริโอเข้ามา เพิ่มความลึกและมิติให้กับเสียงที่สร้างขึ้น การเพิ่มองค์ประกอบเชิงพื้นที่นี้ยิ่งทำให้ความสมจริงและความดื่มด่ำของเพลงเพิ่มขึ้น ทำให้เหมาะกับการใช้งานหลากหลาย ตั้งแต่ดนตรีพื้นหลังในวิดีโอจนถึงผลงานดนตรีอิสระ

การสร้างเสียงจากเสียง

หนึ่งในฟีเจอร์ที่น่าตื่นเต้นที่สุดของ Stable Audio 2.0 คือความสามารถในการสร้างเสียงจากเสียง ผู้ใช้สามารถอัปโหลดตัวอย่างเสียงของตนและแปลงมันด้วยคำสั่งภาษาธรรมชาติ ฟีเจอร์นี้เปิดโลกของความเป็นไปได้เชิงสร้างสรรค์ ให้ศิลปินและนักดนตรีได้ทดลองจัดการและสร้างเสียงใหม่ในรูปแบบที่ก่อนหน้านี้ไม่เคยเป็นไปได้

ด้วยการใช้พลังของ AI ผู้ใช้สามารถปรับเปลี่ยนทรัพยากรเสียงที่มีอยู่ให้ตรงกับความต้องการหรือวิสัยทัศน์ศิลปะของตน ไม่ว่าจะเป็นการเปลี่ยนโทนสีของเครื่องดนตรี การปรับอารมณ์ของผลงาน หรือการสร้างเสียงใหม่ทั้งหมดจากตัวอย่างที่มีอยู่ Stable Audio 2.0 ให้วิธีการที่ใช้งานง่ายในการสำรวจการแปลงเสียง

การผลิตเอฟเฟกต์เสียงขั้นสูง

นอกเหนือจากความสามารถในการสร้างดนตรี Stable Audio 2.0 ยังโดดเด่นในการสร้างเอฟเฟกต์เสียงที่หลากหลาย ตั้งแต่เสียงพื้นหลังที่ละเอียดอ่อน เช่น เสียงใบไม้ร่วงหรือเสียงเครื่องจักรจิ้งจอก ไปจนถึงภาพเสียงที่ซับซ้อนและดื่มด่ำ เช่น ถนนเมืองที่คึกคักหรือสภาพแวดล้อมธรรมชาติ โมเดลนี้สามารถสร้างองค์ประกอบเสียงหลากหลายได้

ฟีเจอร์การผลิตเอฟเฟกต์เสียงขั้นสูงนี้มีคุณค่าเป็นพิเศษสำหรับผู้สร้างเนื้อหาในวงการภาพยนตร์ โทรทัศน์ เกมวิดีโอ และโครงการมัลติมีเดีย ด้วย Stable Audio 2.0 ผู้ใช้สามารถสร้างเอฟเฟกต์เสียงคุณภาพสูงได้อย่างรวดเร็วและง่ายดาย ซึ่งโดยปกติจะต้องใช้การทำฟอลีอย่างละเอียดหรือทรัพยากรที่มีลิขสิทธิ์ราคาแพง

การโอนสไตล์

Stable Audio 2.0 แนะนำฟีเจอร์การโอนสไตล์ที่ช่วยให้ผู้ใช้ปรับเปลี่ยนลักษณะเชิงสุนทรียะและโทนเสียงของเสียงที่สร้างหรืออัปโหลดได้อย่างราบรื่น ความสามารถนี้ทำให้ผู้สร้างสามารถปรับผลลัพธ์เสียงให้สอดคล้องกับธีม ประเภท หรืออารมณ์เฉพาะของโครงการของตน

โดยการใช้การโอนสไตล์ ผู้ใช้สามารถทดลองสไตล์ดนตรีต่าง ๆ ผสานแนวเพลง หรือสร้างพาเลตเสียงใหม่ทั้งหมด ฟีเจอร์นี้มีประโยชน์อย่างยิ่งสำหรับการสร้างซาวด์แทร็กที่สอดคล้องกัน การปรับเพลงให้เข้ากับเนื้อหาภาพเฉพาะ หรือการสำรวจมาชอปและรีมิกซ์เชิงสร้างสรรค์

ความก้าวหน้าทางเทคโนโลยีของ Stable Audio 2.0

เบื้องหลัง Stable Audio 2.0 ใช้เทคโนโลยี AI ล้ำสมัยที่ทำให้มันมีประสิทธิภาพที่น่าประทับใจและผลลัพธ์คุณภาพสูง สถาปัตยกรรมของโมเดลได้รับการออกแบบอย่างพิถีพิถันเพื่อจัดการกับความท้าทายเฉพาะในการสร้างผลงานเสียงเต็มความยาวที่สอดคล้องกัน พร้อมคงการควบคุมรายละเอียดในระดับละเอียด

สถาปัตยกรรมโมเดลการแพร่กระจายแฝง

หัวใจของ Stable Audio 2.0 คือสถาปัตยกรรมโมเดลการแพร่กระจายแฝงที่ได้รับการปรับให้เหมาะสมสำหรับการสร้างเสียง สถาปัตยกรรมนี้ประกอบด้วยสองส่วนสำคัญ: autoencoder ที่บีบอัดสูงและ diffusion transformer (DiT)

autoencoder มีหน้าที่บีบอัดคลื่นเสียงดิบอย่างมีประสิทธิภาพเป็นตัวแทนที่กะทัดรัด การบีบอัดนี้ทำให้โมเดลสามารถจับคุณลักษณะสำคัญของเสียงได้ในขณะที่กรองรายละเอียดที่ไม่สำคัญออกไป ส่งผลให้ผลลัพธ์ที่สร้างมีความสอดคล้องและมีโครงสร้างมากขึ้น

diffusion transformer ซึ่งคล้ายกับที่ใช้ในโมเดล Stable Diffusion 3 ที่เป็นนวัตกรรมของ Stability AI แทนที่สถาปัตยกรรม U‑Net แบบดั้งเดิมที่ใช้ในเวอร์ชันก่อนหน้า DiT มีความเชี่ยวชาญเป็นพิเศษในการจัดการกับลำดับข้อมูลที่ยาว ทำให้เหมาะอย่างยิ่งสำหรับการประมวลผลและสร้างผลงานเสียงที่ต่อเนื่อง

ประสิทธิภาพและคุณภาพที่ดีขึ้น

การผสานระหว่าง autoencoder ที่บีบอัดสูงและ diffusion transformer ทำให้ Stable Audio 2.0 สามารถบรรลุการปรับปรุงที่น่าทึ่งทั้งในด้านประสิทธิภาพและคุณภาพของผลลัพธ์เมื่อเทียบกับรุ่นก่อนหน้า

การบีบอัดที่มีประสิทธิภาพของ autoencoder ทำให้โมเดลสามารถประมวลผลและสร้างเสียงได้เร็วขึ้น ลดการใช้ทรัพยากรคอมพิวเตอร์และทำให้เข้าถึงได้ง่ายขึ้นสำหรับผู้ใช้หลากหลาย ในขณะเดียวกัน ความสามารถของ diffusion transformer ในการรับรู้และสร้างโครงสร้างขนาดใหญ่ช่วยให้เสียงที่สร้างมีความสอดคล้องและความสมบูรณ์ของดนตรีในระดับสูง

ความก้าวหน้าทางเทคโนโลยีเหล่านี้ทำให้โมเดลสามารถสร้างเสียงที่สมจริงอย่างน่าตะลึงและสื่ออารมณ์ได้ ไม่ว่าจะเป็นผลงานดนตรีเต็มความยาว ภาพเสียงซับซ้อน หรือเอฟเฟกต์เสียงละเอียดอ่อน สถาปัตยกรรมของ Stable Audio 2.0 วางรากฐานสำหรับนวัตกรรมในอนาคตของเสียงที่สร้างโดย AI เปิดทางสู่เครื่องมือที่ซับซ้อนและแสดงออกได้มากยิ่งขึ้นสำหรับผู้สร้าง

สิทธิของผู้สร้างกับ Stable Audio 2.0

เมื่อเสียงที่สร้างโดย AI พัฒนาและเข้าถึงได้ง่ายขึ้น การพิจารณาประเด็นด้านจริยธรรมและการคุ้มครองสิทธิของผู้สร้างเป็นสิ่งสำคัญอย่างยิ่ง Stability AI ได้ดำเนินการเชิงรุกเพื่อให้ความสำคัญกับการพัฒนาที่มีจริยธรรมและการชดเชยที่เป็นธรรมสำหรับศิลปินที่ผลงานของพวกเขามีส่วนช่วยในการฝึกสอน Stable Audio 2.0

Stable Audio 2.0 ได้รับการฝึกสอนโดยใช้ชุดข้อมูลที่ได้รับใบอนุญาตจาก AudioSparx ซึ่งเป็นแหล่งข้อมูลเสียงคุณภาพสูงที่เชื่อถือได้ ชุดข้อมูลนี้ประกอบด้วยไฟล์เสียงกว่า 800,000 ไฟล์ รวมถึงเพลง, เอฟเฟกต์เสียง, และสเต็มเครื่องดนตรีเดี่ยว พร้อมเมตาดาต้าข้อความที่สอดคล้องกัน การใช้ชุดข้อมูลที่ได้รับใบอนุญาตทำให้ Stability AI รับประกันว่าโมเดลถูกสร้างบนพื้นฐานของข้อมูลเสียงที่ได้รับอย่างถูกกฎหมายและอ้างอิงอย่างเหมาะสม

โดยตระหนักถึงความสำคัญของอิสระของผู้สร้าง Stability AI ได้มอบโอกาสให้ศิลปินทุกคนที่ผลงานรวมอยู่ในชุดข้อมูล AudioSparx สามารถเลือกไม่ให้เสียงของตนถูกใช้ในการฝึกสอน Stable Audio 2.0 กลไกการเลือกออกนี้ช่วยให้ผู้สร้างคงการควบคุมวิธีการใช้ผลงานของตนและรับประกันว่าเฉพาะผู้ที่ยอมรับให้เสียงของตนถูกใช้สำหรับการฝึก AI เท่านั้นที่จะถูกรวมในชุดข้อมูล

Stability AI มุ่งมั่นที่จะทำให้ผู้สร้างที่มีส่วนร่วมในการพัฒนา Stable Audio 2.0 ได้รับการชดเชยอย่างเป็นธรรมสำหรับความพยายามของพวกเขา ด้วยการให้ใบอนุญาตชุดข้อมูล AudioSparx และการให้ตัวเลือกการเลือกออก บริษัทแสดงความมุ่งมั่นในการสร้างระบบนิเวศที่ยั่งยืนและเป็นธรรมสำหรับเสียงที่สร้างโดย AI ซึ่งผู้สร้างจะได้รับการเคารพและรางวัลสำหรับการมีส่วนร่วมของตน

เพื่อเพิ่มการคุ้มครองสิทธิของผู้สร้างและป้องกันการละเมิดลิขสิทธิ์ Stability AI ได้ร่วมมือกับ Audible Magic ผู้ให้บริการเทคโนโลยีการจดจำเนื้อหาชั้นนำ โดยการผสานระบบการจดจำเนื้อหาขั้นสูง (ACR) ของ Audible Magic เข้ากับกระบวนการอัปโหลดเสียง Stable Audio 2.0 สามารถระบุและทำเครื่องหมายเนื้อหาที่อาจละเมิดได้ ทำให้แน่ใจว่าเฉพาะเสียงต้นฉบับหรือเสียงที่ได้รับใบอนุญาตอย่างเหมาะสมเท่านั้นที่จะถูกใช้ในแพลตฟอร์ม

ด้วยการพิจารณาด้านจริยธรรมและโครงการที่มุ่งเน้นผู้สร้างเหล่านี้ Stability AI กำหนดมาตรฐานที่แข็งแกร่งสำหรับการพัฒนา AI อย่างรับผิดชอบในด้านเสียง การให้ความสำคัญกับสิทธิของผู้สร้างและการกำหนดแนวทางที่ชัดเจนสำหรับการใช้ข้อมูลและการชดเชย ทำให้บริษัทส่งเสริมสภาพแวดล้อมที่ร่วมมือและยั่งยืนซึ่ง AI และความคิดสร้างสรรค์ของมนุษย์สามารถอยู่ร่วมกันและเจริญเติบโต

กำหนดอนาคตของการสร้างเสียงกับ Stability AI

Stable Audio 2.0 ถือเป็นก้าวสำคัญในเสียงที่สร้างโดย AI โดยมอบอำนาจให้ผู้สร้างด้วยชุดเครื่องมือครบวงจรเพื่อสำรวจขอบเขตใหม่ในดนตรี การออกแบบเสียง และการผลิตเสียง ด้วยสถาปัตยกรรมโมเดลการแพร่กระจายแฝงล้ำสมัย ประสิทธิภาพที่น่าประทับใจและความมุ่งมั่นต่อประเด็นจริยธรรมและสิทธิของผู้สร้าง Stability AI อยู่ในแนวหน้าของการกำหนดอนาคตของการสร้างเสียง เมื่อเทคโนโลยีนี้พัฒนาอย่างต่อเนื่อง ชัดเจนว่าเสียงที่สร้างโดย AI จะมีบทบาทสำคัญยิ่งขึ้นในภูมิทัศน์เชิงสร้างสรรค์ ให้ศิลปินและนักดนตรีมีเครื่องมือที่จำเป็นในการผลักดันขอบเขตของศิลปะของตนและกำหนดใหม่ว่ามีอะไรเป็นไปได้ในโลกของเสียง